Atıf Sayısı
5
Görüntüleme
21
İndirme
1
İnternet ve ağ teknolojilerindeki hızlı gelişmeler, siber saldırılar ve izinsiz erişimlerin başta olduğu birçok dezavantajı beraberinde getirmektedir. Bu girişimlerin önceden tespiti, olası saldırıların gerçekleşmeden önlenebilmesini sağlamaktadır. Bu çalışmada makine öğrenme yaklaşımlarının saldırı tespiti üzerindeki performansları araştırılmıştır. Tüm deneyler, açık erişime sunulmuş ve yaygın olarak kullanılan KDD’99 veri kümesi altındaki KDD10CORRECTED ve KDDTEST setleri üzerinde gerçekleştirilmiştir. Sınıflandırıcı olarak, Karar Ağacı, Topluluk Öğrenme ve Destek Vektör Makineleri tercih edilmiştir. Veri setleri hem doğrudan sınıflandırıcıların girişi olarak hem de boyut indirgeme tekniği olan Temel Bileşen Analizi uygulanarak sınıflandırılmıştır. Sınıflandırma aşamasında 5-kat çapraz doğrulama tekniği kullanılmıştır. Elde edilen sonuçlar kıyaslanarak rapor edilmiştir. Sonuçlar gelecekteki çalışmalar için cesaret vericidir.
The rapid developments in the Internet and network technologies bring many disadvantages, including cyber attacks and unauthorized access. Pre-identification of these attempts ensures that possible attacks can be prevented without occurrence. This study examined the performance of machine learning approaches on attack detection. All the experiments were conducted on open-access KDD10CORRECTED and KDDTEST sets under the KDD'99 data set. As classifiers, Decision Tree, Community Learning and Support Vector Machines are preferred. The data sets are classified by applying the Basic Component Analysis, which is both the input of the direct classifiers and the size reduction technique. In the classification phase, a 5-way cross-verification technique has been used. The results were compared. The results are courageous for future studies.
Rapid developments of internet and network technologies have brought about many disadvantages, including cyber-attacks and unauthorized access. The detection of these initiatives beforehand provides the prevention of probable attacks. In this study, the performance of machine learning approaches on intrusion detection has investigated. All experiments have conducted on KDD10CORRECTED and KDDTEST sub-sets of the publicly available KDD’99 dataset. As the classifier, Decision Tree, Ensemble Learning, and Support Vector Machine have preferred. Data sets are classified as both directly input of the classifiers and by using Principal Component Analysis, which is a size reduction technique. 5-fold cross-validation technique has used in the classification stage. The results have reported by comparing. The results are encouraging for future studies.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Ulusal
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
